ScholarGate
Pembantu
Machine learningMachine learning

SVM Kelas Tunggal

SVM kelas tunggal ialah algoritma pengesanan anomali dan kebaharuan tanpa pengawasan yang mempelajari sempadan yang ketat di sekeliling data latihan normal dalam ruang ciri yang diinduksi kernel, menandakan pemerhatian baharu yang jatuh di luar sempadan itu sebagai pencilan. Diperkenalkan oleh Scholkopf et al. pada 1999–2001, ia melanjutkan rangka kerja SVM kepada tetapan kelas tunggal di mana tiada anomali berlabel tersedia.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

The neighbourhood of related methods — select a node to explore.

+18 more

Sumber

  1. Scholkopf, B., Platt, J. C., Shawe-Taylor, J., Smola, A. J., & Williamson, R. C. (2001). Estimating the support of a high-dimensional distribution. Neural Computation, 13(7), 1443–1471. DOI: 10.1162/089976601750264965
  2. Tax, D. M. J., & Duin, R. P. W. (2004). Support vector data description. Machine Learning, 54(1), 45–66. DOI: 10.1023/B:MACH.0000008084.60811.49

Cara memetik halaman ini

ScholarGate. (2026, June 3). One-Class Support Vector Machine (Novelty and Anomaly Detection). ScholarGate. https://scholargate.app/ms/machine-learning/one-class-svm

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Dirujuk oleh

ScholarGateOne-class SVM (One-Class Support Vector Machine (Novelty and Anomaly Detection)). Dicapai 2026-06-15 daripada https://scholargate.app/ms/machine-learning/one-class-svm · Set data: https://doi.org/10.5281/zenodo.20539026